Bài giảng Phân tích Web: Phần 2 - ThS. Nguyễn Ngọc Anh

Nối tiếp phần 1, "Bài giảng Phân tích Web: Phần 2 - ThS. Nguyễn Ngọc Anh" tiếp tục trình bày những nội dung về các công cụ tác nghiệp; dữ liệu Clickstream; thử nghiệm Personas để cải thiện độ chuyển đổi; xây dựng ACME persona bằng sử dụng phương pháp Van Welie 108; thử nghiệm Personas để cải thiện độ chuyển đổi; sử dụng dữ liệu và viết lên một câu chuyện;... Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Bài giảng Phân tích Web: Phần 2 - ThS. Nguyễn Ngọc Anh HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG VIỆN KINH TẾ BƯU ĐIỆN BÀI GIẢNG MÔN HỌC (Phương pháp đào tạo theo tín chỉ) PHÂN TÍCH WEB Mã môn học: MAR1408 (03 TÍN CHỈ) Biên soạn ThS. NGUYỄN NGỌC ANH HÀ NỘI – 2016 0|Page Chương 5. Các công cụ tác nghiệp. Technology is nothing. What’s important is that you have a faith in people, that they’re basically good and smart, and if you give them tools, they’ll do wonderful things with them. Steve Jobs 5.1 Dữ Liệu Có năm loại dữ liệu người ta nói về khi họ đề cập đến phân tích kỹ thuật: 81 | P a g e  Loại thứ nhất là số liệu định lượng đo tự động bằng công cụ phân tích và hoàn toàn là hành vi. Điều này thường được gọi là dữ liệu kích chuột, các kết quả dữ liệu, dữ liệu luồng video hoặc các bản ghi truy cập, và theo truyền thống là những gì phân tích web .  Sau đó dữ liệu mà đến trực tiếp từ những kinh nghiệm mà khách hàng hoặc khách hàng tiềm năng có về lời đề nghị của bạn, vì điều này nó còn được gọi là tiếng nói của dữ liệu khách hàng hoặc dữ liệu quan điểm.  Kiểu dữ liệu thứ ba là dữ liệu sinh thái. Đây có thể bạn dựa vào bảng điều khiển hoặc ISP cung cấp dữ liệu về như thế nào bạn đang làm so với đối thủ cạnh tranh hoặc làm phong phú thêm bộ dữ liệu bạn có bằng cách thêm dữ liệu của bên thứ ba có liên quan .  Loại thứ tư là dữ liệu xã hội. Trong 10 năm qua công ty như Facebook, LinkedIn và Twitter đã thành lập như một phần quan trọng trong cuộc sống của mọi người. Có hơn 1 tỷ người trên Facebook. Lý do họ thành công là một phần lớn là do quản lý dữ liệu. • Loại thứ năm là dữ liệu lớn. Điều này thường là sự kết hợp của 4 bộ dữ liệu khác nhưng theo Wikipedia 'dữ liệu lớn là một thuật ngữ chung cho bộ dữ liệu quá lớn hay phức tạp mà các ứng dụng xử lý dữ liệu truyền thống là không đủ.' Điều đó có nghĩa là thế hệ trước của cơ sở dữ liệu (quan hệ) gặp khó khăn trong việc lưu trữ và quản lý các tập dữ liệu lớn. Việc xử lý dữ liệu đòi hỏi phần mềm chạy trên máy chủ song song thường được phân tán về mặt địa lý để xử lý tốt hơn các yêu cầu của địa phương cơ sở dữ liệu của họ. 5.2 Dữ liệu Clickstream Đo dữ liệu kích chuột định lượng . Đây là lý do tại sao chúng tôi có các mô hình như REAN có thể giúp đáng kể kế hoạch thu thập dữ liệu. Dữ liệu Clickstream về tiếp cận là tìm ra những nguồn truy cập tốt nhất là do khối lượng hoặc chi phí. Đó là về số lần hoặc khách truy cập tìm thấy trang web của bạn. Về sự tương tác là cách các khách hành xử, những gì họ thực hiện, những gì họ từ bỏ, cách họ tương tác với trang web của bạn, bao lâu họ ở lại. Nhưng chỉ có họ đến và tương tác với bạn không phải là mấu chốt. ạn muốn họ thúc đẩy, chuyển đổi, để làm một cái gì đó để bạn đo lường kết quả, sự chuyển đổi của từng nguồn tiếp cận và bắt đầu để làm cho sự lựa chọn dựa trên các hành xử của khách. Xét nhìn thấy cách bạn đang giữ chân khách hàng khách hàng của bạn các dữ liệu kích chuột bạn đang tìm kiếm là nơi khách hàng của bạn mua lần thứ hai và thứ ba. Đo lường như thế nào khán giả của bạn tiêu thụ nhiều hơn các sản phẩm hoặc dịch vụ của bạn và dự đoán khi nào bạn nên phản ứng hoặc chủ động liên lạc với họ. . 5.3 Kinh nghiệm dữ liệu Như phân tích web đề cập trước đó sẽ cho bạn biết những gì mọi người đã làm nhưng nó sẽ không bao giờ nói cho bạn biết lý do tại sao họ đã làm điều đó. Một trong những điểm khác biệt chính giữa một nhà phân tích rất tốt và một nhà phân tích trung bình là khả năng để tìm hiểu lý do tại sao. Khi gặp phải với dữ liệu đó đã đi xa với mức bình thường một nhà phân tích lớn sẽ điều tra sâu hơn để thử và tìm ra nguyên nhân gốc rễ của sự sai lệch. Trong nhiều 82 | P a g e trường hợp, một nhà phân tích tuyệt vời có thể có những hành động dựa trên chỉ định lượng phân tích web dữ liệu và một loại kinh nghiệm dữ liệu - thử nghiệm heuristic (là các kỹ thuật dựa trên kinh nghiệm để giải quyết vấn đề, học hỏi hay khám phá nhằm đưa ra một giải pháp mà không được đảm bảo là tối ưu). Thử nghiệm Heuristic Thử nghiệm Heuristic yêu cầu bạn đặt mình vào tâm trí của khách truy cập là người trên trang web của bạn và có một cái nhìn khách quan khó khăn như thế nào để hoàn thành một nhiệm vụ nhất định. Có một vài ví dụ về các thử nghiệm dựa trên kinh nghiệm đã có trong Phần 4. Xem thêm Phần 6 xác định một cá tính để biết thêm thông tin về việc nhập vai. ằng cách nhìn vào số liệu phân tích web, bạn sẽ có thể nhìn thấy nơi mọi người đang rời khỏi trang web ví dụ các điểm xuất cảnh hàng đầu ở phễu quá trình, tỷ lệ thoát trang đầu trên các trang hoặc tỷ lệ thoát cao. Sau đó, bằng cách đặt mình vào suy nghĩ của các khách hàng tiềm năng hoặc khách hàng sau thúc đẩy thông qua quá trình trực tuyến (đặc biệt là tại các điểm xuất phát), bạn có thể có được một số cái nhìn sâu sắc. Heuristic có thể cung cấp cho bạn cái nhìn sâu sắc tuyệt vời đặc biệt là nếu bạn có khả năng sử dụng kiến thức thực hành tốt nhất và có thể kết hợp với những gì bạn đã thấy trong công cụ phân tích web của bạn. Ví dụ như một thử nghiệm heuristic, điển hình có thể được chạy trên một giỏ mua hàng mà có tỷ lệ bỏ qua cao tại một điểm nhất định. ạn đi đến điểm mà xu hướng khách truy cập cho thấy họ đã có vấn đề và làm một bài kiểm tra dựa trên kinh nghiệm về động cơ của một khách điển hình. Làm như thế bạn găp một khó khăn với các trang web mà bạn trước đây đã không biết, chẳng hạn như vấn đề về thủ tục thanh toán cho khách sử dụng Firefox. Số liệu điều tra Một hình thức rất có giá trị của dữ liệu là số liệu điều tra. C ...